《Journal of Extracellular Vesicles》：Multicentre Evaluation of an AI-Assisted Urine Test for Clinically Significant Prostate Cancer in Men Undergoing Initial Biopsy
编辑推荐：
为了解决前列腺特异性抗原（PSA）筛查特异性不足导致的临床显著性前列腺癌（csPCa）漏诊与过度活检问题，本研究开发了一种基于非数字直肠指检（DRE）尿液样本的细胞外囊泡（EV）基因诊断工具。研究人员通过对多中心中国患者队列的回顾性研究，构建了由AMACR、HOXB13和PSGR基因组成的AI模型（EGPS），其在PSA 0-15 ng/mL区间内展现出优于PSA的诊断效能，并能显著减少不必要的活检。该研究为精准、无创的csPCa筛查提供了新策略。
前列腺癌是困扰全球男性的常见泌尿系统恶性肿瘤，传统的筛查“金标准”——前列腺特异性抗原（PSA）检测，却像个容易“谎报军情”的哨兵。它不仅会在癌变时升高，在常见的良性前列腺增生或前列腺炎时也会“报警”，导致大量本不必受罪的男性接受了侵入性的前列腺穿刺活检，承受出血、感染等风险。据统计，在PSA处于4-10 ng/mL这一“灰色地带”的男性中，仅有不到30%的活检结果确诊为有临床意义的癌症。这意味着，大多数被送上穿刺针的男性，其实是在承受不必要的身心和经济负担。为了破解这一“筛查窘境”，寻找一个既能精准识别、又对患者友好的新方法，成为临床上的迫切需求。
血液检测不够便捷，而传统基于尿液的检测（如PCA3）又常常需要配合让患者感到不适的数字直肠指检（DRE）。近年来，一种名为细胞外囊泡（EVs）的微观“信使”进入了科学家视野。它们是细胞分泌的微小囊泡，携带着源细胞的蛋白质、核酸等“身份信息”，并稳定存在于尿液等体液中。这为开发无创、无需DRE的精准检测工具提供了绝佳的材料。一项基于欧美人群开发的尿液外泌体风险评分（EPI）模型已展现出潜力，但其是否适用于中国人群尚未可知。为了填补这一空白，并为中国患者量身打造一个更优的筛查工具，一个由中国多中心研究团队开展的系统性研究应运而生，其成果发表在《Journal of Extracellular Vesicles》上。
研究人员为开展此项研究，综合运用了多项关键技术。首先，他们从国内三家医院（同济医院、长海医院、福建协和医院）回顾性收集了645名初次行前列腺活检患者的临床资料与非DRE晨尿样本，并随机分为训练、内部验证及独立外部验证队列。其次，他们利用全自动超速分离系统（EXODUS）平台从尿液中高效分离出EVs，并通过纳米颗粒追踪分析、Western Blot和透射电镜对其进行了表征鉴定。之后，从EVs中提取总RNA，通过RT-qPCR（逆转录定量聚合酶链反应）定量检测了包括AMACR、HOXB13、PSGR在内的11个候选基因的表达水平。在模型构建阶段，研究团队评估了包括随机森林在内的10种机器学习算法，以筛选最优基因组合并构建最终的EGPS模型。最后，他们还集成了SHAP可解释性分析与DeepSeek大语言模型，开发了一套在线AI诊断系统，用于提供临床决策支持。
研究结果如下：
3.1 患者特征
研究共纳入645名符合标准的患者，其中586名来自三家中心（2022年5月至2025年1月）构成研究队列，并进一步划分为训练队列（n=410）和内部验证队列（n=176）。所有患者按PSA水平被分为五个亚组（0-10、0-15、0-20、0-25、0-ALL ng/mL），结果显示在0-15 ng/mL亚组中模型性能最佳。此外，从2025年1月至3月另收集59名患者构成了独立的外部验证队列。
3.2 EVs与核酸的提取与表征
通过EXODUS平台分离的尿液EVs，经纳米颗粒追踪分析显示其粒径分布在30-300 nm之间，Western Blot确认了CD9、CD63等EV特异性标志物的表达，透射电镜图像呈现出典型的杯状形态，证实了高质量EVs的成功分离。从EVs中提取的总RNA电泳图显示在25和50 nt处有明显峰，片段长度在20-2000 nt之间。
3.3 基因筛选、模型开发与性能评估
在评估的11个候选基因中，由AMACR、HOXB13和PSGR组成的组合在诊断csPCa上表现最佳，被用于构建EGPS模型。在PSA 0-15 ng/mL亚组中，基于随机森林算法的EGPS模型取得了最高的诊断效能。该模型在训练、内部验证和外部验证队列中预测csPCa的AUC（曲线下面积）分别达到0.838、0.825和0.811，均显著优于单独使用PSA或临床参数模型。
3.4 EGPS模型在提高敏感性的同时减少不必要的活检
为平衡漏诊与过度活检，研究将EGPS模型的cut-off（截断）值设定为0.22，以实现高于95%的敏感性。在此标准下，模型在训练、内部验证和外部验证队列中分别避免了23.37%、18.62%和15.25%的不必要活检，而在训练队列中的漏诊率仅为3.81%，在两个验证队列中漏诊率为0%。决策曲线分析进一步表明，在0.1-0.5的风险阈值范围内，EGPS模型能提供比“全部活检”或“全部不活检”策略更高的临床净收益。
3.5 EGPS在线AI诊断咨询系统
研究团队开发了一个集成了EGPS模型、SHAP可解释性分析和DeepSeek的在线AI诊断系统。该系统可通过输入患者的临床信息和尿液EV基因表达数据，自动计算EGPS评分并给出活检或随访建议。系统还利用SHAP分析直观展示每个基因（如PSGR、HOXB13、AMACR）对个体预测结果的贡献度，并通过DeepSeek提供符合指南的个性化治疗建议。一个应用实例显示，一名PSA为13.0 ng/mL的63岁男性，其EGPS评分为0.2（低于0.22），系统建议其进行随访监测而非立即活检。
在讨论与结论部分，研究强调了PSA筛查的局限性及开发无创、精准替代工具的紧迫性。本研究所构建的EGPS模型，基于中国多中心人群的非DRE尿液EVs基因，成功优化了PSA“灰色地带”（0-15 ng/mL）患者的csPCa诊断，其效能优于此前报道的、基于西方人群的类似模型（如EPI）。该模型不仅能保持高敏感性，还能显著减少不必要的穿刺活检，从而降低患者的医疗风险与经济负担。此外，集成AI的在线诊断系统增强了模型的可解释性与临床易用性，为医生提供了实时、个性化的决策支持工具。尽管本研究为回顾性设计，且模型在更高PSA值患者中的适用性有待进一步验证，但EGPS模型及其AI系统无疑为前列腺癌的早期精准筛查和个性化管理提供了一项有前景的解决方案。
